数据驱动人力资源管理

数据驱动人力资源管理（共8篇）

数据驱动人力资源管理 篇1

你是否在考虑尝试更多的多渠道营销呢?直邮、e-mail、网幅广告、博客、搜索引擎、电视、店面、广播、网站、手机，我们有如此多的渠道去与客户沟通，可这样一个交响乐队能演奏出动听的音乐吗?

设想这样一个情景，你在晚上看电视，一款液晶电视的广告吸引了你的注意。两天以后，当你在网上察看天气预报时，看到了另外一个品牌的液晶电视广告。当天晚些时候，你去访问一个你最喜欢的电器超市的网上商城并开始比较你看到的这两个品牌的性能和价格。这是挺贵的东西，所以你不想在网上购买，而是去离你最近的商店去看看。在离开家之前，你想起要带着你信箱里收到的商店优惠券，然后你去商店买回了你喜欢的液晶电视。

对消费者来说这是一个很不错的购物过程，对市场营销者来说这却是一个多渠道营销管理的难题。

如何管理多渠道营销

You can’t manage what you don’t measure。

在上面的情景中，市场营销者如何会知道最初的电视广告是否对最终的销售产生了作用呢?如何能把访问网上商城的行为和在店面的购买联系起来呢?或者分析产生了这次销售的各种渠道的次序，将其作为为类似消费者服务的标杆呢?或者是否会把客户对这次网上商城的访问看作是失败，而事实上这却是客户购买决定的重要一步呢?

如果我们有足够充足的市场预算和时间，我们可以不去回答这些问题。我们仍然可以凭借自己的感觉去尝试各种渠道，进行粗放或低效的管理。

今天的消费者没有什么渠道规则，

相反，他们会在商店、网站、呼叫中心或其它渠道间跳来跳去，来不断获取信息，并最终购买。市场营销者必须更深入地理解客户的购买行为，才能管理好多渠道营销的过程。

“You can’t manage what you don’t measure”。这句经典的管理格言对多渠道营销同样重要。一些在多渠道营销中先行一步的企业总结了以下宝贵的经验：

1.在试验中学习。一些新的渠道可能是你所缺少经验的，可以把一些线下的直复营销经验运用到线上，更需要在试验中学习。

2.收集客户的反应数据。通过某种渠道进行的沟通效果怎么样，对哪些细分客户群更有效?要很好地回答这些问题，需要收集每个沟通对象的“反应”，他们是否进行了实际购买，或者进一步同品牌进行了联系?

3.将多渠道的客户数据整合起来。只有把多渠道的客户数据整合起来，建立唯一的的客户视图，才能深入地认识客户，深入地理解各个渠道在客户购买决定中发挥的作用。这往往需要一个易于市场营销者使用的客户管理的软件平台，并需要很好地维护来自各个渠道的数据质量。

4.明确如何度量多渠道营销的结果。多渠道营销的量化目标是什么?有了量化的目标，就可以试验各种营销组合方案的效果，并在一定的成本约束条件下进行多渠道营销的优化。

5.基于客户细分开展多渠道营销。对不同的细分客户群，采取不同的渠道组合，投入不同的成本和资源。

在理想的世界中，企业可以通过各种渠道同消费者进行一致的沟通，理解各种渠道的关联，产生完美的客户体验。在现实的世界中，市场营销者却发现在市场活动中优化组合各种渠道变得越来越困难。多渠道营销使营销活动变得更复杂，那些更早运用数据驱动的量化方法的企业将会树立自己的竞争优势。

 

数据驱动人力资源管理 篇2

关键词：网络资源驱动型,数据挖掘,教改

将网络资源作为一种新型驱动手段用来促进不同学科之间的相互交叉与融合,不仅能够对迅速挖掘出课程要求与特点起到重要的帮助,同时也对高效、优质的课程教学实质效果有着巨大作用。据此,本文对网络资源驱动型的数据挖掘课程教改方法所作出的研究,便具有了十分深刻的现实意义。

1 网络资源驱动型数据挖掘问题概述

1.1 网络资源数据挖掘课程教改的内涵

资源驱动型就是利用网络上的海量资源帮助学生完成独立学习、协作互助的实践学习活动。在网络资源的大背景下的数据挖掘,涉及到十分宽广的学科领域范围,譬如其中所包括的数学建模、机器学习、数据库相关技术、神经网络、知识库、模式识别、计算机科学、统计学等众多的学科门类。同时这种数据挖掘的成果也能够被积极应用在通信、医疗卫生、工业、生物工程、财经以及其他科学事业领域之中。利用网络资源驱动实现数据挖掘的课程教改工作便是要在此优势作用下,完成课程改革的重大实践任务。

要对数据课程的内容展开深入挖掘,需要对宽泛、艰深的教学知识进行仔细的探究。例如,对于一些实验要求较为严格的教学,采用这种数据挖掘的手段则能够实现对应用问题的清晰解答,从而帮助学生们对理论知识形成深刻的理解认识。而针对目前关于数据挖掘工作中的教学疑难问题,相关从业者便根据我国课程教学的特点,并结合教学总目标制定出一系列的教学改革方法,最大限度地将网络资源平台以及一些新式的教学手段加以运用,从而为数据挖掘课程改革工作的顺利进行奠定了坚实的基础。

1.2 网络资源驱动环境下数据挖掘在课程教学中的意义

在网络资源驱动条件背景下,完成数据挖掘课程改革工作具有非同寻常的现实意义,以网络资源作为驱动力的课程教学改革对于强化学生的学习训练以及将其所学的知识直接运用到教学研究与改革的工作中,也对当下的教学模式改革更新起到显著推动的作用。

2 网络资源驱动型的数据挖掘课程教改的方法

2.1 在采取网路资源驱动型的数据挖掘时的重要理论

在采用网络资源驱动完成数据挖掘时,需要从一些方面加强注意,简要概括起来主要有以下几个方面。

第一,在课程数据的挖掘之前,要预先做好课程教改的目标设定工作。从我国近年教学改革的方向来看,关于教改的目标主要可分为以下几项内容。其一是充分利用网路资源的数据大平台,在教学的实践活动中便对学生的主动学习能力、学习积极性、学习迁移能力等进行培养。参与和完成学习任务后,学生们也对提高自身的创新能力以及实际问题的解决办法也奠定了有益基础。其二,利用网络资源建立起的驱动平台不仅能够促使学生们从实际问题的解决过程中积累起分析与讨论的方法,同时直接利用网络资源实现数据挖掘的相关知识也能够找到科学、合理的问题解决方式。

第二,在利用网路资源对教学数据展开深度挖掘时,需要对课程教学的方法进行创新。在对数据挖掘的特点性内容方法开展分析时,而预先构建起关于不同学科之间的交叉性学科体系。所以只有探究适合院校实际的教学模式,也才能保障教学改革能够适应推广性强、覆盖面广的教学改革工作要求,从而在教学实践中发挥出更加有力的作用。

第三,在具体的数据挖掘过程中,还需要对教学改革进程中的一些关键性问题进行解答。概括来说可以包括以下方面。其一,在网络大环境下,数据挖掘在过程中还涉及到与其他老师与学生的协同合作问题,这些也都成为考核学生学习效果的标准之一。其二,要设计出合乎实际的难度,并且这些都要同挖掘数据内容相互符合,尤其是其中包含与提炼出的一些具有科学性特征的问题,更是需要不同的学生们依据不同层次予以理解并逐步解决。其三,对于专业不同与研究项目有所区别的学习小组来说,将整套教学模式因材施教地加以实践,也才能在推广中收获最佳的教学效果。其四,要对互联网内浩瀚巨大的网络资源加深挖掘与开发,不仅需要教育者耗费相当大的时间、精力去完成整个模式的设计和构建工作,同时这也成为该项改革任务能够获得成果的关键性因素,因而更加需要挖掘者更加重视整个实践过程中的方法探索。

2.2 利用网络资源驱动型的数据挖掘实现课程教改的具体方法

要利用网络资源完成数据挖掘课程的教改工作,其落实的方法手段简单说来应当从以下方面予以把握。

第一,将网络资源背景积极重视起来,并在此基础上实现对于数据内容的深度挖掘。而要切实做好数据挖掘的教学工作,具体来说可分为以下内容。其一,首先教学的各个院校应当建立起有关数据挖掘的专业性、科学性的网络资源的驱动型平台。其二,在数据挖掘过程中所采取的教学措施也是有所区分的,从教学课堂内来说,老师们可以根据教学内容目标设计出不同类型、不同内容、不同领域的具体数据挖掘问题,然后紧接着再以组织形式对网络资源的数据内容展开深入挖掘。这种活动性与目的性任务的逐步深化,也对学生们认识与掌握学习知识起到有利的影响作用。另外,从教学课堂外来说,老师要将数据挖掘作为学生们选修的重要参考内容,并且要让学生们通过自选的方法主动完成学习研究小组的划分,从而通过网络资源平台中的数据进行挖掘,并从学习小组的具体研究工作中提高自身分析能力与解决能力的能力。值得注意的是,在针对一些不愿意参与学习合作小组的学生时,老师们也应积极在一些教学的活动、策略将教学中对能够预见的难题予以解决,并且在测验中对教改的成果进行相互比对,从而在方法上做到不断完善。

第二,要在网络资源的背景基础上完成数据挖掘的课程改革工作,总的来说还需要从具体的教学实践中展开分析,整个实践的步骤简要概括起来主要有以下内容。其一,首先,在整个项目开始之前,教育从业者们要对整个教学工作中的数据挖掘工作展开细致、全面的调研工作,只有深入实际的做好考察、预设工作,才能在项目教学进行时保障各个环节的有序实施。其二,在项目调研结束后,教育工作者们也要从调查的结果予以分析,并且对数据挖掘的驱动教学内容展开科学策划,进而同步建立起关于数据挖掘网路资源的大平台。其三,利用搭建好的网络资源平台,老师们也要组织学生利用优势的平台条件实现课堂教学工作与学习讨论任务。其四,当完成以上各环节的教学步骤之后,老师们也要对学生的学习予以及时的成果考核与结果反馈,并从中吸取教改经验。需要特别注意的是,在对网络资源平台展开运用的过程中,需要建设的资源平台应当具备统计学的实践基地要求,确定资源驱动型的目标导向以及建模教学的调研情况等内容。当保证资源平台蕴含丰富的功能意义后,其数据挖掘的任务通常才能够更好地得以实现。

3 结语

利用网络资源驱动的方法,从课程内部的特点进行挖掘,不仅能够找准教学工作的切入点,同时也能促进网络资源的驱动型平台的建立与完善,从而也促进了教改的目标能够得以圆满实现。因此,在实践过程中往往也更加需要广大从业者们不断立足实际加深探索,如此才能促进我国教育事业的全面繁荣。

参考文献

[1]杜卓明.《数据仓库与数据挖掘》课程教学实践与教学改革探索[J].科技视界,2014(28):86.

[2]李广水,王智钢,马青霞.数据挖掘技术在我国高校人才培养中十年应用回顾及发展趋势[J].技术与创新管理,2015(5):539—546.

数据驱动人力资源管理 篇3

【摘 要】在互联网这种大环境下，利用网络资源驱动型教学促进多学科交叉和融合，尤其显得重要，同时这本身就是数据挖掘课程的特点和要求。本项目将以数据挖掘的教与学为切入口，采取了一系列的改革措施，通过建立数据挖掘网络资源驱动型平台来充分利用网络资源。

【关键词】数据挖掘 教改 网络资源驱动型

一、数据挖掘课程的教学问题

数据挖掘是一个多学科交叉领域，涉及数学建模、数据库技术、机器学习、统计学、神经网络、模式识别、知识库、高性能计算等诸多学科领域，并在工业、通信、财经、医疗卫生、生物工程、科学等众多行业有着广泛的应用。

对于本科生来说，数据挖掘课程教学主要存在教学内容广，理论深，实验环节不能体现实际应用的全过程的问题。针对这些问题，国内一些学者根据数据挖掘教学的难点，提出了一些教改方法，如目标驱动教学方法、案例驱动教学法等，而且取得了很好的教学效果，但这些方法的注意力大都集中在课堂上教学组织，较少关注基于网络资源整合平台在课堂上展开教学。

二、网络资源驱动型的数据挖掘课程的教学优势

从数据挖掘课程的本身特点出发，针对本科生，以网络资源驱动的课堂教学模式改革，加强学生数据挖掘学习和知识发现训练环节，将网络资源驱动学习模式运用到数据挖掘课程的教学改革和理工科专业教师的科学研究中去，想方设法探索出一套稳定的、易于操作的、可供一般教师使用的教学模式。

三、在利用网络资源的基础上，針对数据挖掘课程采取的教学措施

以数据挖掘的教与学为切入口，采取了以下的改革内容：

（一）建立数据挖掘网络资源驱动型平台。

（二）在课堂外，以数据挖掘选修课的学生为主，以兴趣和自选方式将学生分成若干研究小组，面向数据挖掘网络资源平台，考察各个研究小组解决数据挖掘问题的分析能力和解决问题的效果。

（三）在课堂内，教师设计不同类型和不同领域的数据挖掘问题，研究数据挖掘网络资源组织形式的方式和问题的内容对学生的数据挖掘学习的影响情况。

（四）针对参加研究小组和未参加研究小组的学生，利用各种数学挖掘竞赛和教师科研过程中问题的解决情况，测验和对比改革效果。

四、网络资源驱动型的数据挖掘课程的改革目标

通过以上改革内容，着重的改革目标为：

（一）通过建立数据挖掘网络资源驱动型平台，使得学生能够根据实际问题的特点进行充分的分析和讨论，较好地利用网络源源自学数据挖掘相关的其他学科知识，将所学知识应用到实际问题和科学问题中去，并能合理、有效地解决问题。

（二）以网络资源为平台，通过学生在实际问题的解决过程中和在老师的科学研究过程中的参与学习，逐步提高学生的科研能力和自主学习能力，逐步培养学生的积极性学习与迁移性学习，培养学生的动手能力和创新精神。使部分优秀的学生，能够提出对于一些实际问题和科学问题的优秀的解决方案，撰写并发表学术论文。

（三）在校内数学建模竞赛、广东省数据挖掘大赛、全国“机电杯”数学建模竞赛、全国“统计建模”大赛、全国大学生数学建模竞赛和美国数学建模竞赛等一系列竞赛中获得多方面的锻炼和练习，同时获得更多更高质量的奖励。

五、研究数据挖掘的教学方法需解决的关键问题

本课题拟解决的关键问题也是问题驱动改革的难点：

（一）建立数据挖掘网络资源驱动型的平台，这需要耗费大量的时间与精力去设计与构建，也是整个教改项目成功与否的关键所在。

（二）设计出难度合理、所涉数据挖掘知识分支范围有效的实际问题和科研问题，尤其是将科研中的一些科学问题提炼出来，能为不同层次的学生所理解并解决。

（三）将这套试验模式在同一研究小组内有不同专业和不同研究小组的专业差别方面进行因材施教地有效推广。

（四）在互联网的大背景下，数据挖掘课程教师和其他专业教师在辅导和教育学生方面的协同合作方式问题，同时学生如何学和学生学习效果如何考核。

六、在利用网络资源的基础上，针对数据挖掘课程采取的教学步骤

数据挖掘课程教学过程将按照以下步骤进行：

（一）项目开始前，对数据挖掘教学进行调研；

（二）根据调研的结果，策划数据挖掘驱动教学，筹建相应的数据挖掘网络资源平台：a）利用统计学实践基地平台，确定项目驱动资源导向，搭建相应平台；b） 根据数学建模课程教学的调研情况，确定竞赛驱动资源导向，搭建相应平台；c）根据数据挖掘教学情况，确定目标驱动资源导向，搭建相应平台。

（三）根据搭建的网络平台，组织数据挖掘的课堂内教学和讨论。

（四）给予学生平台学习的及时反馈和考核。

七、基于网络平台数据挖掘课程教学的创新之处

在研究数据挖掘的教学特点的时候，构建了交叉性学科学习的体系，形成了适应广东特色的理工科院校的教学、学习、考核的一种新型教学模式、教学手段与教学规范。并且，该试验改革具有非常好的资源共享性和方法推广性特点，较容易推广到所有的交叉性学科和教师的科学研究过程中去。本课题成果受益者不仅仅是学生，同样包含老师，因此该教学改革实践，覆盖面广，推广性强，可以使得该教学改革试验研究成果发挥应有的作用。

【参考文献】

[1]谭征，孙红霞，王立宏，等.基于实例的本科数据挖掘课程教学探索[J].计算机教育，2013（09）.

[2]屈莉莉，陈燕.大数据背景下数据挖掘课程的教学改革与探索[J].教育教学论坛，2014（06）.

数据驱动人力资源管理 篇4

2016-04-29 15:55:57 作者:7天论文网 【大 中 小】 浏览:5次 评论:0条

摘要：大数据时代，给人力资源管理职业的发展带来良机，同时也对《人力资源管理》课程教学提出了新的要求。本文分析了《人力资源管理》课程设置中存在的问题，结合大数据时代新的特点，指出了大数据时代的《人力资源管理》课程的建设内容。关键词：人力资源管理大数据课程建设

在大数据浪潮的洗礼下，与当前社会众多领域一样，人力资源管理领域也在经历着变革[1]。比如：商业智能工具使得人力资源管理改变了以往的单纯凭借经验的模式，更多的向数据模式转变；人力测评模块以前往往依靠单一的专家主观测评，现在也逐步改为构建相应的数学模型利用大数据进行测评，使得人才测评的结果变得更为科学准确；人才招聘模块变革日新月异，企业逐步依靠社交网络的大数据对人才个性特征分析进而看其是否与应聘岗位匹配，做出录用与否的决定，以达到有效人才招聘的目的。社会的变革必然促进专业课程内容的变化，本文以《人力资源管理》课程为例，通过对大数据时代的剖析，正确认识大数据浪潮，将大数据的内容和方法引入大学课堂教学；从大数据视角着手加强大学生人力资源管理方面的实践能力，实现人力资源管理理论和实践教育的内容创新，以期提高实效性，使学生培养更符合现代市场需求。《人力资源管理》课程设置中存在的问题第一，在大数据时代，社会对高职高专的人才培养目标、培养模式以及课程内容设置都提出了新的要求。高等职业教育的人才培养目标要培养第一线的应用技能型人才；课程的培养目标应该以就业为导向，适应现代市场发展的潮流，课程内涵应该基于工作过程导向，同时课程结构要具有定向性；课程内容的设置要根据职业技术岗位群的特点，进行工作岗位分析，提取典型工作任务，设置教学模块，注重实用性，以强化技能训练为特点。而目前高职《人力资源管理》课程教学模式并没有完全体现高职教育的特点，一直沿用传统的教学模式，即以理论性、课堂教学为主，以教师为主体和中心的单向沟通；教学内容完全由教师设计，教学效果主要取决于教师的组织能力与语言表达能力。由于教师单调的“满堂灌”，学生只有“上课时抄笔记、考试前背笔记”，考试后则几乎全部忘记。这样的教学模式不适合高职人才培养和教学要求[2]。

第二，《人力资源管理》是一门实践性很强的社会热门课程，但高职教学中目前仅限于从理论上探讨其实践中的案例和典型事件，没有真正做到知行合一[3]。原有《人力资源管理》课程教学应用性不强，学生无法有效地了解最新市场的需求，大数据、互联网+等概念目前在各行业已经非常流行，人力资源行业也较为普及，但课本内容上介绍却较为少见。《人力资源管理》课程课堂上教师的知识的讲解仍按照传统的框架模式，教学内容较为陈旧，目标是通过期中、期末考试，以及人力资源管理师的证书考试。当应试成为培养目的之后，其他的应用技能型能力的培养就成了附庸，导致学生整体素质较低，《人力资源管理》课程学了一学期却不能灵活应用，甚至学习的知识和将来工作岗位严重不符，学生的学习兴趣也受到很大的影响。学校的实习实训基地也没有足够的能力承担学生的实习或教学观摩，教学效果达不到预期目标，致使社会、学生、教师等对课堂教学的评价不高。

第三，高职《人力资源管理》课程教学有应试倾向，严重阻碍了高职高专学生综合素质的培养。课程考核模式主要以检测学生课程理论知识学习书面考试成绩为目的，存在不少问题。这种以评定成绩为主的考核模式，突出地表现为重课本，轻实践；重知识，轻能力；重结果，轻过程；重对学生的测试，轻课程自身的建设，既不利于学生分析，综合能力的培养和创新精神的形成，又不利于课程的建设和发展，并直接影响到人才培养的质量。因此，《人力资源管理》课程还需改革创新考试方式，以免出现学生高分低能的情况。在考试方式上可以采用过程性考核方式，以平时出勤、课堂表现、作业任务、小组讨论完成情况等活动作为考核内容，结合评分标准并给予分数，确定最终成绩。比如在《人力资源管理》课程绩效考核中，老师可以组织学生通过角色扮演的形式，将全班全年的班级活动的大数据纳入绩效软件当中，让学生分别作为人力资源管理者进行评判，同时将过程录制成视频节目，最后根据完成情况给予这部分内容的考核成绩，也突出了学生应用能力。《人力资源管理》课程在考试的难易程度和要求方面，既要继承发扬传统的经典理论，让学生奠定坚实的理论基础，也要分析国内外人力资源管理方面的热点，要将理论知识和社会热点完美地结合起来。2 人才测评相关课程内容的建设企业中人才的数量和质量逐渐成为当前企业生存和竞争的关键，人力资源管理中人才测评技术的发展在社会受到重视的程度也越来越高。在当前《人力资源管理》课程有关人才测评模块的课程内容教学中，需要补充强调大数据在人才测评中的作用，着重指出利用大数据可以在一些大型或者较大型人力资源数据库中发现隐藏在里面的关键信息，协助人力资源管理决策部门寻找数据与数据之间内在关联，进而提高人才测评的有效性。

目前的《人力资源管理》课程教材关于人才测评的方法较为陈旧，更多的还是停留在单一的专家评估上，带有明显的主观性。在教改过程中，我们要向学生全面介绍现代国际和国内知名企业人才测评的状况，介绍国内外各知名企业如何利用大数据技术对人才测评中的人才绩效考核、人才选拔以及分类等部分工作进行深入研究，更新改进之前运用的算法中的一些不完善的地方。比如北森公司就是我国国内最早做人才测评的公司，该公司一直专注做测评，是人才管理软件的开创者。在大数据时代，北森公司利用云计算平台和大数据技术，积累了200万测试者的数据，再根据行业专家的经验，构建测评模型，使得他们的测评工作更加的高效准确。再比如，国际上的合益集团Hay Group是一家全球性管理咨询公司，在测评方面更是资深行家，其核心产品海氏系统法，又叫指导图表-形状构成法(Guide Chart-profile)，从实质上讲就是一种利用大数据进行测评的方法。世界500强的企业中有将近一半左右的企业岗位测评时均使用了Guide Chart-profile 测评法。3 企业招聘相关课程内容的建设大数据时代也改变了企业招聘的工作模式。在大数据爆发的时代背景下，很多人力资源企业已经以全新的角度审视自己的行业定位。大部分企业都把数据资源和数据价值作为企业本身的核心战略之一，由此再衍生出多维度的新型服务和产品，并且这种衍生的趋势愈演愈烈[4]。当前各大招聘网站也结合大数据技术的特征，研发出一系列利用社交网络和大数据技术的为企业招聘服务的产品。在大数据时代，人力资源管理部门利用大数据信息，可以解决在招聘的过程中出现的信息不对称以及信息不透明等问题。大数据信息包含了企业大数据信息和待聘者个人的大数据信息。这些新的趋势，也势必要在《人力资源管理》课程中有关企业招聘这部分内容的教学中得以体现。

在课堂上，需要向学生说明的是，之所以传统招聘网站上的企业信息不透明，主要是由于这部分内容均由企业人力资源部门提供的，存在着不客观的情况。而当前我们在专业招聘网站上获得的更多的企业信息来自企业内部员工对企业的评价，较之以往更为真实可靠。因此，大数据时代为我们寻求信息对等以及为企业与雇员之间提供了信息沟通的渠道。在教学时案例分析上，可以选择Glassdoor、分智、Simply hired 和ResumUp 等代表企业。他们共同的特点是能展示雇员工龄、企业评价、薪水报告、面试问题等信息。

另一方面，需要进一步向学生对比分析的内容是传统的招聘网站上的个人信息之所以不透明，是因为其文字是候选人自己编辑上传的。而当前的大数据技术能够完成由社交网络上进行查询并深入获取待聘者的信息，使得相关企业能更清晰地掌握待聘者的情况。

大数据时代，有效的数据收集和分析工具在人们获取数据时是至关重要的[5][6]。在案例教学中，可以选择Talentbin 和Identified 两家公司作为代表。TalentBin公司将自己描述为“人才发现引擎”。

它提供职业搜索引擎服务。TalentBin公司积极收集应聘者在社交网络上的信息，进而梳理分析归类，研发出一个以待聘者信息为中心的数据库。任何企业想招聘特定的人才，都可以去TalentBin 搜索。Identified公司以网络社交为背景，提供基于Facebook的职业搜索引擎，为相关公司提供服务，可以对待聘者实施评分，Identified公司的核心功能为根据不同待聘者工作经历、教育背景和社交网络三项指标的不同情况，为待聘者实施评分，通过大数据分析从而为企业招聘提供参考。

《人力资源管理》课程关于人才招聘的内容中如何解决公司职位与待聘者之间匹配的问题是教学重点内容之一，这部分内容也是招聘过程的最根本诉求之一。而当今的大数据技术则刚好可以高效精准地达到最佳的匹配过程。在教学过程中可以以Bright和Path.to两家企业为例。Bright公司主要是对空缺职位和待聘者的匹配度进行打分。Bright 公司从用户上传的简历和社交网络上提取待聘者的总量数据，利用大数据发现隐匿的人才，通过对成千上万个数据点的对比分析，将待聘者和空缺职位的匹配度进行打分，分值与匹配度成线性关系。Bright 可以使公司和待聘者大大的减少招聘和应聘的时间，为公司和待聘者提供更好的服务。Path.to公司利用其官方网站为企业和用户提供平台。求职者首先要输入自己所擅长的工作，也可以从LinkedIn转入他们曾经的工作经历，另外，还将要回复一些关于他们如何看待企业和工作岗位的问题。最后，Path.to公司应用其独特算法来完美匹配待聘者与雇主公司。Path.to的核心竞争力就是他们的算法。求职者利用Path.to网站找工作不收任何费用，但是对在该网站发布招聘信息的公司来说，要缴纳一定的费用。人力资源商业智能相关课程内容的建设在课程内容上，要向学生补充介绍人力资源商业智能的相关内容。人力资源商业智能（Human Resource Business Intelligence，以下简称HR-BI）就是利用人力资源管理过程中呈现出的数据，对人力资源管理进行监控，并做出相应的分析，为最终决策提供参考的过程。人力资源商业智能体现了商业智能在人力资源管理决策分析过程中的应用。它通过建立一套分析模型，利用在人力资源管理过程中的大数据进行分析统计，以丰富的展现形式支持企业人力资源管理的决策分析。随着一些企业“软实力”的提升，他们对于人力资源管理理念与管理能力就会有着更高的要求，在决策上由“经验+感觉”模式逐步转向“事实+数据”模式，人力资源商业智能的作用就更加能够体现。人力资源商业智能与e-HR不同。e-HR即电子人力资源管理，它主要体现在需要处理面向业务过程的一般性报表，而人力资源商业智能利用其多维数据仓库功能，开展数据建模，使人力资源管理体系在不断的调整与优化时有确切的数据支持，在企业整体发展战略时，满足发展的需要。在大数据背景下，人力资源商业智能能极大地提高企业人力资源分析效率，更好地支持企业各项业务的发展。

在案例分析上，可以向学生介绍“佐佑人力资源管理咨询顾问公司”和“Aptean 公司”。佐佑人力资源管理咨询顾问公司成立于1998年，在国内人力资源管理公司中具有一定的知名度，而Aptean公司则是企业应用软件巨头。在大数据、信息以及预算管理和薪资等方面，两家公司都能提供了极其丰富的案例。总结总之，在大数据时代，《人力资源管理》课程教学要在传统技能培养的基础上，还要注意对学生信息搜集能力和大数据思维、应用能力等能力的培养，要强调理论内容与案例分析的关联。课程教学时，教师要把《人力资源管理》课程各模块内容与特定领域的大数据分析相结合，从简单到复杂，循序渐进展开教学。只有通过合理统筹传统人力资源管理理论与大数据技术应用，才能激发学生的学习兴趣和勇于创新的精神，促使学生的专业素质满足当今社会的需求。参考文献：

数据驱动人力资源管理 篇5

【摘要】随着时代的不断发展，我国企业的规模和数量得到了非常大的发展，这大大增加企业管理的难度，尤其体现在人力资源管理上，如采充分发挥人力资源的作用，是很多企业在发展过程中的难题。随着信息技术的网络技术的不断进步，我们已经进入到了大数据时代，通过多海量数据信息的分析和处理，可以有效得到其中的有价值数据，这为企业人力资源的绩效管理，打开了一条新的思路。[1]为此，我将要在本文中对大数据时代背景下企业人力资源绩效管理创新进行深入思考，希望对促进企业现代化管理的发展，可以起到促进作用。

【关键词】大数据时代；企业人力资源；绩效管理

前言

企业绩效考核是企业现代管理的重要组成部分，它是对员工完成工作质量的考核，并给与其定量的评分，并作为工资分配的重要依据。通过绩效考核，员工可以共同自己良好的表现获得企业的认同，并得到应有的回报。企业也可以通过员工的优秀表现，而获得更多的经济利益，并且可以为企业选拔优秀人才，提供一个值得参考的标准。当前我国企业在绩效管理考核体系的建立上还存在很大的问题，整个考核的客观性不够，不能对相关工作人员的绩效进行准确的评价，大大降低了绩效考核的作用。口]随着大数据时代的到来，这给企业的绩效管理打开了一条新的思路，我们可以在网络上打造企业绩效考核的平台，并建立员工绩效考核的数据库，对员工实际工作中反馈的工作数据进行有效的收集，通过内部智能化的算法，有效对员工的各种工作信息进行类比，最后给每个员工给与一个客观的绩效考核成绩，让企业的绩效考核充分发挥自己的作用。

一、企业绩效考核指标体系设计的基础

企业进行绩效考核的主要目的是，依据员工的工作性质要求，根据科学的评判标准，对员工工作的实际完成情况，进行定量化的评价。绩效考核的结果直接关系到员工的工资多少，还为企业选拔优秀人才，做一个重要的参考指标。其实施的最终目的是提高员工的工作完成质量和提高企业的经济效益，并最终取得员工和企业双赢的局面。为了有效提升绩效考核的效果，改变员工被动应付的局面，企业应该采取更科学的绩效考核设计指标，并应该定期对该指标进行变更，以适应企业发展的需要。

评价活动是以主要指标的提取，来对整个工作过程进行评定，因此指标提取的科学性十分重要，它的执行好坏要和工作过程好坏直接挂钩。为了全面衡量工作过程的好坏，我们不一定要提取单一的工作指标，还应该学会去全方位的提取工作指标，这可以使对员工工作好坏的评价更为具体。为了对员工进行定量的绩效考核，这些指标也应该是分等级的，并且应该根据实际参照物，对员工的指标完成情况，进行度量。[3]

各种考核指标之间应该不是相互孤立的，它们应该是有相互关系的，相互联系组合在一起，从而形成了企业的绩效考核指标体系。在进行具体指标的设计过程中，应该根据总体指标体系的要求，来进行设计。它具有下面几个具体的要求。对指标完成情况的度量，要尽量可以做到量化，避免采取模糊化的参考标准。虽然说指标之间都有千丝万缕的联系，但是在实际设计过程中，一定要保证它们有清晰的界限和独立的评判标准。指标的制定，要紧紧围绕，可以衡量员工的工作完成情况来进行，避免其偏离这个初衷。指标的评定必须要有现实的参考依据，尽量少掺杂主观的因素。考核指标的设计应该突出重点，不能事无巨细，尽量提取最重要的工作指标。指标的设计应该具有可操作性，及可以通过定量化的评价，来对指标的完成情况进行分级。

二、利用大数据充分提高企业绩效管理的效率

在各种考核指标有效建立以后，我们就可以有效参照这些指标来开展绩效考核工作。为了对员工进行科学的绩效考核，我们应该严格按照以工作数据来进行考核的原则。大数据时代的到来，为我们实现对于员工的全数据绩效考核，打下了一个非常好的基础。为了更好对员工的绩效进行考核，我们应该打造全数据的考核体系，对员工的各种工作数据都应该制定定量的工作指标，还需要打造对这些数据进行收集的系统，如果是产品生产企业，每个员工生产产品的每一道工艺都应该进行标识，在产品经过检验后，对产品的数据有效进行提取，如员工的实际工艺完成数量，其生产产品的优秀数量、合格数量、不合理数量等，目前二维码技术发展的越来越快，我们在对数据的提取过程中，可以有效利用这些技术，员工对每件生产的产品都打上自己的二维码，在产品生产技术后，通过对这些二维码的扫描，这些产品的所有信息就会传送到企业产品的数据库。[4]此外，企业还应该在网络上建立有效的绩效考核数据处理平台，其负责对各种员工数据信息的有效收集。在这些数据被传输到员工数据库后，应该先对这些数据进行分类，进行分类的存储。为了通过对这些数据有效反应出员工的绩效水平，我们还应该制定科?W的数据打分标准，根据这些数据的实际情况，给员工的绩效表现进行打分，这样就可以有效了解员工在一定时间段的绩效情况。为了让这些数据更加客观，我们还可以通过对所有员工数据的综合处理、分析，有效显示出员工在整个员工队伍的实际表现情况，让我们很容易发现在工作中表现优良的员工，通过对该员工进行一定的奖励措施，来提高其它员工的工作积极性。

三、结语

人才是企业赖以生存和发展的重要因素，随着大数据时代的到来，这给企业的人力绩效管理带来了新的契机，我们必须进行绩效管理模式进行创新。针对当前企业在绩效管理上存在的不足，我们都可以利用大数据技术，进行相应的补强，从而使企业得到更加优秀的人才，也可以让企业人才培养工作做得更加到位，也给了那些企业真正的人才，以脱颖而出的机会，还大大增加了企业人才管理的效率。

参考文献：

[1]马风光，王造先.网络时代中的企业人力资源管理[J].江苏商论，2014（6）

[2]宋利，古继宝.信任：网络时代的人力资源管理[J].技术经济，2014（11）

[3]郜夏泉.浅谈如何加强企业人才管理及对策研究[J].中小企业管理与科技，2014（9）

江西省国土资源数据管理暂行办法 篇6

第一条 为了加强我省国土资源数据的管理，规范全省国土资源数据的生产、汇交、更新、保管和利用等工作，提高国土资源数据的应用水平，确保“一张图”的现势性、动态性、真实性和权威性，满足全省国土资源管理和社会经济发展的需要，根据国土资源部《国土资源数据管理暂行办法》及有关法律法规，制定本办法。

第二条 全省国土资源数据的生产、汇交、更新、保管和利用，适用本办法。

第三条 本办法所称国土资源数据，是指全省各级国土资源管理部门在履行国土资源规划、管理、保护与合理利用等职能过程中所生产和使用的数字化成果。主要包括：

(一)各级国土资源管理部门组织实施的国土资源规划、调查、监测、评价等重大专项形成的各类国土资源基础和专题数字化成果数据;

(二)各级国土资源管理部门在国土资源规划、管理、保护与合理利用工作中形成的国土资源政务管理数字化成果数据，包括本级产生以及逐级上报汇总的数据;

(三)各级国土资源管理部门在履行管理职责中依照法律法规的相关规定和有关合同约定，由管理相对人向管理部门报送的国土资源数字化成果数据;

(四)各级国土资源管理部门组织实施的成果更新数据。

第四条 国土资源数据管理工作按照统筹规划、统一汇交、分级管理、分布服务的原则组织实施。

第二章 管理机构和职责

第五条 省、市、县三级国土资源管理部门，分别为省、市、县三级国土资源数据主管部门(以下称数据主管部门)，分别负责本行政区域内国土资源数据生产、汇交、更新、保管和利用的监督管理，履行下列职责：

(一)负责数据管理工作的统一管理和组织协调，组织制定数据管理工作的规章制度;

(二)按照国土资源管理需要，组织实施国土资源规划、调查、监测、评价等重大专项，形成数字化成果数据;

(三)承办行政审批事项等工作，组织部署国土资源管理部门相关业务数据的报备工作，形成政务管理数字化成果数据;

(四)明确提供数据汇交与更新的业务管理部门及数据汇交与更新的范围;

(五)组织开展数据管理的业务培训和数据检查工作;

(六)负责指导、监督和管理数据的保密工作。

第六条 数据主管部门的处、科、股室(以下称业务管理部门)，具体负责组织实施本行政区域内国土资源数据生产、汇交、更新等工作，履行下列职责：

(一)按照国土资源管理的要求，依照有关规定、标准和规范，组织数据生产单位进行数据生产、加工、更新等工作;

(二)受数据主管部门委托，组织开展数据检查工作;

(三)将数字化成果数据汇交到数据保管单位，并按要求逐级向上汇交;

(四)对数据的保管和利用进行监督管理;

(五)履行数据主管部门规定的与数据生产、汇交、更新有关的其他职责。

第七条 省、市、县三级国土资源管理部门的信息中心或信息化工作机构，分别为省、市、县三级国土资源数据保管单位(以下称数据保管单位)，受相应数据主管部门的委托，承担数据管理的技术工作，履行下列职责：

(一)承担数据汇交、保管和利用等技术工作;

(二)制定数据汇交、保管和利用等工作技术规程;

(三)负责数据汇交计划的登记、审核，负责监督数据汇交计划的执行，并对数据汇交计划的执行情况作出评价;

(四)协助业务管理部门，实施数据检查工作;

(五)建立和维护数据汇交、保管和利用的软硬件环境以及数据管理系统;

(六)开展数据整合与集成，建立信息服务系统，为政府部门和社会提供信息服务;

(七)开展数据汇总、综合分析和研究，为国土资源管理工作提供支持;

(八)实行数据安全工作责任制，健全数据安全管理制度，完善数据安全防护措施;

(九)履行数据主管部门规定的与数据管理有关的其他职责。

第八条 国土资源规划、调查、监测、评价等重大专项数字化成果数据的形成单位(以下称数据生产单位)，承担数据的生产、加工、汇交、更新等具体工作，履行下列职责：

(一)按照国土资源管理的要求，依照有关规定、标准和规范，采集、生产和加工处理数据，形成数字化成果数据;

(二)将数字化成果数据汇交到业务管理部门;

(三)履行与数据生产、加工、汇交、更新有关的其他职责。

第三章 数据的生产、汇交与更新

第九条 数据主管部门统筹规划数据生产工作，将其纳入国土资源规划、调查、监测、评价等重大专项的规划和计划中，确保数字化成果数据的可获取、可利用。

第十条 数据生产应遵循相关业务规定及国家、行业有关技术标准、规范，保证数据生产的规范性。

第十一条 数据主管部门统筹规划数据汇交工作：

(一)国土资源规划、调查、监测、评价等重大专项形成的各类国土资源基础和专题数字化成果数据，由数据生产单位向业务管理部门汇交，经数据主管部门组织验收合格后，再由业务管理部门向数据保管单位汇交。

(二)数据主管部门履行业务管理职能过程中形成的政务管理数字化成果数据，通过政务管理信息系统自动进入数据保管单位的数据管理系统中。

(三)依照法律法规的相关规定和有关合同约定形成的国土资源数字化成果数据，由管理相对人向业务管理部门报送，经数据主管部门组织验收合格后，再由业务管理部门向数据保管单位汇交。

(四)承担数据汇交的业务管理部门及汇交的数据范围，依照本办法附件的规定执行，数据主管部门可根据国土资源管理的需要进行调整与补充。

第十二条 业务管理部门应按国家及省政府有关规定负责组织实施数据更新工作。数据生产单位提交更新数据包到业务管理部门，经数据主管部门审查验收合格后，由业务管理部门汇交到数据保管单位，再由数据保管单位更新数据管理系统中的数据。

对于行政审批完成后的数字化成果数据，通过政务管理信息系统在线实时动态更新。

第十三条 数据生产单位应当按照下列规定的期限汇交数据：

(一)定期更新的数据，自项目、成果数据验收或成果公布完成之日起30个工作日内汇交;

(二)不需定期更新的数据，自项目、成果数据验收或成果公布完成之日起180个工作日内汇交;

(三)数据生产单位应对数据质量和数据的真实性、准确性和完整性负责，建立数据质量监督体系和技术保障制度。

第十四条 数据主管部门要求数据生产单位补充有关数据或者对有关汇交的数据作进一步说明的，数据生产单位应当在30个工作日内完成有关的汇交工作。

第十五条 因不可抗力，数据生产单位不能按照本办法第十二条规定的期限汇交数据的，应当向数据主管部门提出延期汇交申请，经批准后，方可延期汇交并告知数据保管单位。

第十六条 已经中止的项目，数据生产单位应当在项目中止后30个工作日内按照数据汇交计划完成有关的数据汇交工作。

第十七条 未依照本办法规定的期限汇交数据或未及时更新数据的，由数据主管部门责令限期汇交或更新;逾期不汇交或更新的，视不同情况，责令限期改正、通报批评，并追究相关人员的责任;造成严重损失的，应当予以赔偿。

第十八条 伪造数据或者在数据汇交中弄虚作假的，由数据主管部门没收、销毁有关数据，责令限期改正;逾期不改正的，通报批评，并视情节追究相关人员的行政或法律责任。

第十九条 数据生产单位疏于管理，造成汇交数据不合格的，数据主管部门可以给予通报批评。

第二十条 数据生产单位汇交的数据，经数据主管部门审查和数据保管单位检查合格后，由数据保管单位出具数据汇交凭证。数据保管单位不得无故拒收数据生产单位汇交的数据。

数据驱动人力资源管理 篇7

一、创设问题情景, 寻找解决问题的途径

情境创设是“任务驱动”教学的核心要素之一, 需要教师创设出富有启发性和感染力的情境, 让学生在此情境中思维激宕起来, 自然地引出任务。从学生自然本能的玩开始, 引入问题, 让学生在不知不觉玩的过程中熟悉游戏规则, 然后教师再提出任务。这样教师从利用学生的好奇心、培养学生的学习兴趣入手, 抓住学生的吸引力, 关注学生的思维活跃程度, 选择学生学习热情高涨、课堂氛围活跃的有利时机, 提出任务, 从而激发了学生的求知热情。

其次, 师生共同讨论完成这个任务的方案, 要将任务分解成多个子任务, 制定出具体的操作步骤, 找到问题解决的途径。在此过程中, 教师不要直接告诉学生应当如何去解决面临的问题, 而是向学生提供解决问题的线索, 比如从哪里去获取相关资料, 寻找相关帮助、解决问题的大体思路。让学生在发现问题、提出问题、解决问题的过程中去学习, 他们学到的不仅仅是新知识, 还学到了在什么地方什么时候应用所学到的知识。更重要的是他们从中学到了处理问题的方法。我认为教学的重点之一就是要让学生亲自体验这种发现问题解决问题的过程。让他们在这一过程中学会独立思考, 善于独立思考, 进而培养学生解决问题的能力。

二、提供必要的资源, 做好教学引导

经过上述过程, 交给学生明确的任务后, 教师可根据任务的繁简、难易程度, 让学生通过自主探究或采用分组讨论形式去完成任务。在这个过程中, 教师不能采取“放鸭式”不管。一方面, 教师必须认识到学生的知识是在教师的指导下, 由学生主动建构起来的, 因此要强调学生的主体性, 充分发挥学生在学习过程中的主动性、积极性和创造性。在学生学习遇到困难时, 教师应该为学生独立解决问题提供有效的帮助, 在学生学习不够主动时, 向学生提出问题, 引导他们去探究;另一方面, 教师要把握整个教学过程的内容、进度和方向。在学生自己完成任务的过程中, 教师要监控每一个学生的任务进展情况, 及时发现学生学习过程中的问题, 提供必要的引导, 保证学生自主学习的效率。

三、及时总结, 建立系统评价措施和量化评价标准

学生完成任务之后, 教师要组织展示其成果, 并进行讨论、总结和评价。分析评价可让学生自我评价或相互评价, 通过评价反思解决问题的过程, 教师作适当点评, 并帮助学生作归纳总结。在教学过程中学生通过对教学任务的分析, 对学习情境的有效利用, 建立自己的思维方法, 提出解决问题的有效方案, 并以个人成果的形式展现, 这时学生已建立了自己的认知结构, 但还不够完善, 必须通过教师对其学习成果的分析评价, 达到完善认知结构, 实现教学目标。

同时, 要组织开展“优秀业研组”、“优秀业研札记”、“特色业研活动”等系列评选活动、以形成系统、科学的激励机制。开展评选活动中, 要引导业研组长和教师端正态度、正确理解评选活动的目的。

任务驱动教学法中的任务就是让学生去做一件具体的事, 完成具体的操作让学生自己提出问题并经过思考和教师的点拨自己解决问题。在探索任务和完成任务的过程中, 在自立学习和协作的环境下, 在讨论和对话的氛围中学习, 不仅让学生学到知识, 提高了技能, 还培养动手实践能力, 提高了学生的探索创新精神, 人力资源管理专业课教学过程中采用任务驱动教学法, 教师明确任务, 一步一步进行, 达到让学生全面掌握知识, 达到教师的教学要求。

参考文献

[1]周文高秋菊:"任务驱动"式教学法在文献检索教学中的应用, 白求恩军医学院学报, 2009 (3)

[2]文韬李向新李长云:飞机维修专业实训教学模式改革探索.长沙航空职业技术学院学报2009 (1)

[3]吴虹:任务驱动法在工程成本会计教学中的应用.昆明冶金高等专科学校学报, 2008 (3)

数据驱动人力资源管理 篇8

关键词：数据驱动；决策支持；教育质量；质量管理；数据仓库

中图分类号：G647 文献标志码：A 文章编号：1673-8454（2016）03-0060-03

正如维克托教授在《与大数据同行：学习和教育的未来》一书中指出：“大学率先感受大数据的浪潮”，“高校必须做出极大的改变，才能从大数据中受益”。当前，高校学生规模庞大，课程类型多样，学生在学习过程中产生了大量的学习行为与学习绩效数据，但这些数据并未被有效收集、储存、处理与分析，专业的设置、课程的开设、学习的评价等关乎教育质量高下的教学关键环节的决策，在很大程度上依赖于教师与管理者的直觉与经验。信息技术的发展使得在海量数据基础上应用数据驱动决策支持系统，能发现、理解进而满足学生的多样化学习需求，改善学习绩效，提升教育质量水平，使高校管理者的决策更加具有科学性。

一、高校数据驱动决策支持系统的建设目标

《国家中长期教育改革和发展规划纲要（2010-2020年）》中明确指出，未来10年“提高质量是高等教育发展的核心任务，是建设高等教育强国的基本要求。”质量是教育事业的生命线，教育质量产生于教学过程之中。教育质量信息搜集和分析评价是教育质量管理活动的重要内容，通过基于教学信息的分析评价，发现影响教育质量的重要因素和关键环节，从而有针对性的采取改进措施，促进教育质量持续提升，确保教学满足学生全面、和谐发展需求。[1]

目前，国内高校都非常注重在教育质量管理过程中加强基于网络的教学管理信息系统建设。特别是国家教育部已牵头搭建了本科教学状态数据库，定期采集教学状态信息数据，状态数据库包括了教育教学、师资队伍、学科建设、科研情况、学生基本情况、教学科研仪器、教育经费、教学条件、学生课外活动等11大类的近860个状态数据项。[2]该数据库目前已成为教育部制定宏观教育政策，提高高校教育质量管理不可或缺的重要支撑。

本科教学状态数据库包含的数据非常全面，这些数据有利于不同高校之间进行对比分析，但是对高校教育质量管理的支撑作用却非常有限。高校教育质量管理的重点是把握教育质量“动”的特性，需要在动态数据、明细数据中发现教学运行过程中的问题及教育质量的变化。因此，建立满足高校教育质量管理需要的数据驱动决策支持系统，不仅有利于推进全国高校教学基本状态数据库建设、高校教育质量报告编写等管理工作的效率和水平，而且能够为高校持续改进教学工作、学生管理工作、行政管理工作等提供决策支持服务。[3]高校数据驱动决策支持系统建设目标主要有：

（1）通过运用标准规范的信息数据采集方法，构建基于二级教学单位的教学基本信息数据库，确保高校整体教学基本信息数据的唯一性、准确性、共享性。

（2）通过构建全面系统的教学运行指标分析，及时全面了解教学运行状况，为教育管理科学决策提供支撑。

（3）为开展教师教学绩效评价、专业评估等提供相关信息服务，成为高校教育质量管理体系的重要基础信息平台。

二、高校数据驱动决策支持系统的功能特点

1.教学信息的共享性

高校数据驱动决策支持系统提供基于浏览器的共享信息数据服务，并通过严格的用户权限划分，在实现数据信息共享的同时保障数据信息应用的安全性。系统应当划分至少五类用户，拥有不同权限，主要包括：信息管理、信息审核、信息查看、教师个人查看、学生个人查看。不同的用户权限划分，有利于保障数据的唯一性、准确性、完整性，有利于不同岗位员工共享数据集成、数据分析的便利。

2.数据处理的灵活性

高校数据驱动决策支持系统在数据采集、数据查看、报告输出的各环节都可提供灵活的数据处理方法和便捷的系统操作功能。在数据采集方面，系统不仅支持以Excel文件方式从其他业务系统导入数据，还能够支持在线录入与审核数据。此外，结合一线教学管理的需要，系统还能够根据预先的配置，将采集的基础信息表进行计算分析后形成相应的信息采集表，替代原来工作中在需要在业务系统之外利用Excel进行传统手工数据计算分析的方法，提高数据处理的效率。在报告输出方面，高校数据驱动决策支持系统能够支持不同的二级教学单位按照各自的情况定制不同内容组合的运行报告与质量报告，并允许依据用户根据数据自定义数据分析的文字描述，这种灵活个性化的报告输出设置，方便二级教学单位根据各自的教育质量管理侧重点进行重点分析报告。此外，系统还能够提供多样化的数据查询方式、便捷的数据在线编辑操作、多类型文件的数据输出等功能。

3.系统的拓展性

高校数据驱动决策支持系统在现有功能框架基础上，能通过扩大采集表的范围，拓展系统基础数据的覆盖面；能通过增加交叉查询表，拓展教育质量信息数据库的规模；能通过增加数据分析指标，加深教育质量信息的分析层次；能通过增加数据业务处理流程，将更多传统手工的业务数据处理集成在系统中。系统能够在现有框架基础上充分运用现代信息技术手段和先进数据分析处理技术，成为高校教育质量管理的有力工具。[4]

三、高校数据驱动决策支持系统的基本框架

“高校数据驱动决策支持系统”包括“教学基本数据采集”、“教育质量信息数据库”、“分析决策指标定义”、“分析决策报告输出”四个功能模块（如图1所示）。基础数据以多种方式输入或者导入系统，经过一定的数据验证和重新组合，组成教育质量信息数据库，并通过事先设定的不同指标统计方法，将数据加工成为与原始数据保持动态链接的以指标存储的教学信息，同时这些指标信息能按照教育质量管理的需要形成报告输出。[5]

1.“教学基本数据采集”模块

能够通过Excel文件导入、表单录入审核、在线表格填写等方式进行教学基本信息数据采集工作，并提供数据验证、数据转换、数据筛查、数据扩展等功能，主要由系统一级菜单“数据采集”、“数据审核”及其所属功能选项实现。该模块的技术重点在于保证数据导入的易操作性，并解决来自不同来源的不同结构的数据能有效重构和组合，以便建立符合系统应用要求的基础数据库。

2.“教育质量信息数据库”模块

在数据采集表的基础上形成的交叉查询表格或多表联动查询表格，并提供数据模糊条件查询、分类条件查询、查询结果导出等功能，主要由系统一级菜单“数据查看”及其所属功能选项实现。该模块的技术重点在于在建立准确的基于多个采集表的数据关联及良好的数据库查询性能，将零散的数据采集表通过优良的数据库结构，集合成为教学基础信息数据网络。

3.“分析决策指标定义”模块

在教学基础信息库中实时查询统计各类指标，为指标计算创建动态图表，并提供指标的数据来源索引，建立规范的指标统计口径、数据来源、统计方法等方面的详细说明，主要由系统一级菜单“指标统计”及其所属功能选项实现。该模块的技术重点在于良好的指标实时统计能力和清晰的指标溯源功能，能够帮助用户及时了解指标各项数据的来源，增强指标计算的可信赖度。

4.“分析决策报告输出”模块

能够按学期或学年形成教学运行分析报告和教育质量分析报告，报告包括文字描述、数据表格、图形图表等多项内容，以Word文件形式输出，主要由系统一级菜单“分析报告”及其所属功能选项实现。该模块的技术重点在于实现图文并茂的报告内容及支持个性化输出报告定义，以支持不同管理侧重的需要。

四、数据仓库技术在系统设计方案中的应用

（1）数据层。用于实现对数据的转换、抽取、汇总等处理过程，形成信息数据，并存储在中心信息数据库中。在系统设计方案中，主要由“教学基本数据采集”功能模块完成原始数据的采集，需要注意的是，数据源的丰富必须以管理需要为前提，系统必须围绕反映教学运行和教育质量为核心进行数据采集，不论是从现有的教务管理系统中直接采集信息还是以其他方式采集信息，首先要保证信息采集的准确性。

（2）应用层。通过联机分析处理实现对信息数据的分析。在系统中，主要由“教育质量信息数据库”功能模块和“分析决策指标定义”两个功能模块共同完成数据仓库的这一层次功能。教育质量信息数据库的建立，必须依赖ETL技术，ETL是数据抽取（Extract）、转换（Transform）、清洗（Cleansing）、装载（Load）的过程。面对教育质量信息数据库中的各类信息，不能仅仅据现在某一个指标数据上，因为在庞大的状态数据库中，单一数据并不一定有意义，但在很多情况下，一些数据与其他数据相互关联后才会有用。

（3）表现层。用户可以通过系统前端分析工具，可以将统计分析、状态报表、数据发掘、联机分析的结论展现在眼前。在系统中，主要由“分析决策报告输出”功能模块完成数据仓库的这一层次功能，根据具体管理需求，将用户关心的指标、查询表格以图文并茂的形式展现给用户，并能通过邮件系统发送给指定管理者，以满足精细化管理的需求。[6]教学信息产生后，必须要保证信息在业务流程中进行使用。否则，整个数据驱动决策支持系统将失去应用价值。

目前，高校数据驱动决策支持系统的设计实施引入了数据仓库技术的理念，但在历史性分析、趋势性分析、相关性分析等方面还不够深入，需要进一步引入在商业企业取得诸多成功应用经验的联机分析处理技术、数据挖掘技术、商业智能技术等，结合高校教育质量管理的需要，提升大数据时代高校教育教学的数据分析水平，为提高高校管理决策科学化水平提供有力支撑。

参考文献：

[1]胡守敏.高等教育强国视域下大学实践教学宏观制度创新[J].中国成人教育，2013（4）：42—44.

[2]蔺跟荣，赵秀元.高等学校本科教学基本状态数据库建设探讨[J].上海教育评估研究，2014（1）：66-69.

[3]许晓东.全国高校教学基本状态数据库的研究与应用[J].中国大学教学，2012（4）：83-87.

[4]柳叶青.国外教育领域数据驱动决策研究述评[J].上海教育科研，2013（9）：14-18.

[5]常桐善.如何提高大学决策绩效—院校研究与“数据驱动决策”模式研究[J].复旦教育论坛，2013（2）：54-60.

[6]王振霖.让数据驱动决策——建立有效的决策支持系统[J].中国计算机用户，2004（28）：47.